在线性代数中，“重数”是一个多维度的概念，主要分为代数重数和几何重数两种类型，具体定义如下：

一、代数重数

定义

代数重数指特征值在特征多项式中的重数，即相同特征值作为多项式根的重数。例如，特征多项式 $（lambda - 1）^{10} = 0$ 中，特征值 $lambda = 1$ 的代数重数为 10 。

相关性质

代数重数之和等于矩阵的阶数（即矩阵的维度）；

几何重数（对应特征值的线性无关特征向量个数）永远不超过代数重数，当且仅当两者相等时，矩阵可对角化。

二、几何重数

定义

几何重数指对应于某个特征值的线性无关特征向量的最大个数，即特征子空间的维数。例如，矩阵 $A$ 的特征值 $lambda$ 的几何重数为满足 $（A - lambda I）x = 0$ 的线性无关解向量 $x$ 的个数。

相关性质

几何重数 ≤ 代数重数；

若矩阵可对角化，则每个特征值的几何重数等于其代数重数。

三、补充说明

几何重数的几何意义 ：可类比为几何图形在某点的重数。例如，直线与圆相切时，切点的几何重数为 2 （切线方向的两个独立方向）；三条直线相交于一点时，交点的几何重数为 3 （三个独立方向）。

矩阵对角化的判定 ：若矩阵的每个特征值的几何重数等于代数重数，则该矩阵可对角化，其Jordan标准型中仅包含一阶Jondan块。

四、示例

考虑矩阵 $A = begin{pmatrix} 2 & 1 0 & 2 end{pmatrix}$，其特征值为 $lambda = 2$（代数重数2），但对应的特征向量只有一个（几何重数1），因此矩阵不可对角化。

通过代数重数和几何重数的分析，可以深入理解矩阵的性质及其在矩阵分解、微分方程等领域的应用。